Wir haben GPT-5.5 in das europäische E-Commerce-Kundenservice-System eingeführt und dabei 62 Prozent der Arbeitskraft eingespart – allerdings sind dabei zwei entscheidende Fehler passiert.

Letzten Monat, während des Black Friday, stand unser niederländisches E-Commerce-Kundenservice-Team vor einer großen Herausforderung – drei Mitarbeiter mussten allein 30.000 Anfragen bearbeiten. Mit dem zuvor verwendeten GPT-4o stiegen die Fälle von Nachverifizierungsanfragen zu Kundenadressen um 18 Prozent auf Zeit aus, und die Zahl der Kundenbeschwerden verdreifachte sich im Vergleich zu normalen Zeiten. Wir haben daher notgedrungen auf GPT-5.5 umgestellt und diesen drei Tage lang eingesetzt, wodurch das Problem sofort gelöst wurde. Allerdings sind dabei zwei Probleme aufgetaucht, mit denen wir zuvor überhaupt nicht gerechnet hatten.

Zuerst erklären wir Ihnen, was GPT-5.5 eigentlich ist.

Hören Sie nicht auf die Medien, was "AGI-Vorbild der nächsten Generation" schlägt, für uns, die Geschäfte machen, ist es die multimodale Optimierung von OpenAI im Jahr 2026 von Q1, der größte Parameter Ankerpunkt istBei gleicher Rechenleistung verbraucht der Tokenverbrauch 40% weniger als bei GPT-4o.Und es unterstützt die gleichzeitige Einbettung von Mehrsprachigkeitsinhalten in einer Größe von bis zu 128 KB, sodass es nicht mehr notwendig ist, diese in mehrere separate Anfragen aufzuteilen.

Die drei tatsächlich erzielten Gewinne, die wir gemessen haben

• Zuerst hat sich die Genauigkeit der Mehrsprachigkeitsübersetzung deutlich verbessert. Beim Umgang mit gemischten Adressen auf Niederländisch, Französisch und Deutsch erkannte GPT-4o häufig Adressen aus der französischsprachigen Region Belgiens fälschlicherweise als französische Adressen in Frankreich – die Fehlerrate lag bei etwa 8%. Nach dem Wechsel auf GPT-5.5 haben wir sieben Tage lang Daten aus dem Hintergrundsystem analysiert.Die Fehlerrate bei der Adresserkennung ist auf 0,7 % gesunken.Es ist nicht mehr notwendig, spezielle Personen einzustellen, um die Adressinformationen zu überprüfen.
• Dann ist die multimodale Verarbeitung nicht mehr aufgeteilt in einzelne Schritte. Für die zuvor von den Nutzern eingereichten Rücksendungsbilder führen wir zunächst ein Bilderkennungsmodell durch, um Informationen über die Beschädigungen zu extrahieren, und geben die Ergebnisse anschließend an das Großmodell weiter, um eine Antwort zu generieren. Jetzt werden das Bild sowie die schriftlichen Anforderungen der Nutzer direkt an GPT-5.5 übergeben, und das Ergebnis wird in einem Schritt erzeugt. Die Verarbeitungszeit für eine einzelne Anfrage ist dadurch von durchschnittlich 2 Sekunden auf 400 Millisekunden gesunken.
• Zum Schluss geht es um die Kosten, die für alle am wichtigsten sind. Früher lagen unsere monatlichen Ausgaben für die großen Modelle bei etwa 12.000 Euro. Nachdem wir auf GPT-5.5 umgestellt haben, haben wir bei der gleichen Anzahl von Anfragen nur noch 4.500 Euro ausgegeben – das entspricht einer Kosteneinsparung von 62 %. Das ist etwa so viel, wie der Gehalt eines zusätzlichen Teilzeitmitarbeiters.

Zwei versteckte Probleme, auf die Sie mit großer Wahrscheinlichkeit stoßen werden

Nicht nur die Vorteile sollten man betrachten – schon am ersten Tag unserer Veröffentlichung gab es ein Problem: GPT-5.5 hat eine besonders starke Neigung, „unklare Anfragen“ zu vervollständigen. Ein Benutzer sagte nur: „Ich möchte eine Rückgabe vornehmen, die Adresse ist die Hauptstraße in Amsterdam“, und GPT-5.5 fügte automatisch eine nicht existierende Hausnummer hinzu, wodurch die Rücksendelabel falsch erstellt wurden. Dadurch gelangte die Rücksendung in das falsche Lager, und wir mussten 80 Euro an Versandkosten erstatten.

Der zweite Haken ist, dass die Kosten für die individuelle Feinabstimmung des Modells dreimal so hoch sind wie bei GPT-4o. Wir wollten die Kundenservice-Gesprächshistorie der letzten zwei Jahre in das Modell einfließen lassen, um es zu feinabzustimmen, aber nach der Kalkulation beliefen sich die Kosten auf 2700 Euro – was deutlich mehr ist als die 800 Euro für GPT-4o. Letztendlich haben wir die Feinabstimmung aufgegeben und stattdessen die Optimierung mithilfe von Prompts verwendet, und das Ergebnis war kaum unterschiedlich.

Wer sollte es verwenden und wer nicht – ich ziehe eine klare Grenze dafür.

Wenn Sie in einem kleinen oder mittleren Unternehmen tätig sind, das in den Bereich der Sprachübersetzung einsteigt und mit einer großen Anzahl von multimodalen Anfragen konfrontiert ist – beispielsweise mit der gleichzeitigen Verarbeitung von Texten, Bildern und kurzen Audioaufnahmen – und insbesondere in Branchen wie E-Commerce, Logistik oder lokalen Dienstleistungen tätig sind, kann GPT-5.5 Ihnen viel Geld und Personal ersparen.

Aber wenn du mit rein chinesischen Dienstleistungen arbeitest und eine sehr hohe Genauigkeit der Schlussfolgerungen erforderlich ist – zum Beispiel in der medizinischen Diagnose oder im Finanzrisikomanagement – oder wenn deine Geschäftslogik vollständig mit offenen Quellmodellen und wenigen Parametern abgedeckt werden kann, dann gibt es wirklich keinen Grund zum Wechseln. Die zusätzlichen Funktionen dieser Modelle sind für dich völlig nutzlos.

Drei konkrete Ratschläge für Anfänger

• Zuerst führen Sie eine 7-tägige Grautestphase durch, bevor Sie die Umstellung vollständig umsetzen. Leiten Sie 10 % der Anfragen an GPT-5.5 um und vergleichen Sie die Ergebnisse mit dem Modell, das Sie derzeit verwenden. Konzentrieren Sie sich besonders auf den Anteil an fehlerhaften Ausgaben, um nicht denselben Fehler zu machen wie wir – nämlich direkt nach der Veröffentlichung auf Probleme mit der Adressergänzung zu stoßen.
• Wenn Ihr Geschäft die Ergänzung von Informationen umfasst, sollten Sie unbedingt in die Anfrage („Prompt“) hinzufügen: „Falls die Informationen unvollständig sind, bitten Sie den Benutzer direkt um Ergänzungen – versuchen Sie nicht, selbst zu erraten.“ Dadurch können 90 Prozent der Fehlvorstellungen vermieden werden.
• Es sei denn, Sie verfügen über Millionen von annotierten Datensätzen, sollten Sie mit Feinabstimmungen (Fine-Tuning) nicht beginnen. Mit Prompt-Engineering und Funktionenaufrufen können die meisten Probleme gelöst werden – und das mit einem viel höheren Kosten-Nutzen-Verhältnis.

Häufig gestellte zwei kleine Fragen beantwortet

Frage: Wird es einfacher sein, durch Beschränkungen („Throttling“) betroffen zu werden als bei GPT-4o? Antwort: Wir haben es einen Monat lang getestet – bei einem Spitzenwert von 120 Anfragen pro Sekunde ist es nicht ein einziges Mal zu einem Fehlercode 429 gekommen. OpenAI hat für diese Version deutlich größere Quoten zugewiesen als für GPT-4o.

Frage: Werden nach dem Fine-Tuning mehrmodale Anrufe unterstützt? Antwort: Derzeit ja, allerdings steigt der Tokenverbrauch des nachgefeinerten Modells um 20%. Rechnen Sie Ihre Kosten selbst durch.